【技术实现步骤摘要】
本专利技术涉及医学影像处理，特别是涉及一种基于无监督策略和广义扩散模型的低剂量spect影像降噪方法及系统。
技术介绍
1、spect是一种成熟的医学成像技术，广泛应用于冠状动脉疾病(cad)的早期诊断和心肌梗死风险评估。尽管具有诊断功能，但spect成像中的相关辐射暴露对患者存在潜在的健康风险，因此需要降低扫描剂量的策略。但是如果降低扫描剂量，在降低辐射风险的同时，会增加图像中的噪声，潜在地影响诊断的准确性。低剂量spect影像在减少患者辐射暴露的同时，面临着噪声增加、图像质量下降的问题。随着硬件并行计算能力的提升和大规模训练数据集的可获得性，深度学习技术在医学成像中的应用取得了显著进展。然而，在spect成像中，很难获取到真实的图像对作为训练数据，例如，无法在同一扫描过程中获取同一患者的低剂量和全剂量图像对；传统的滤波方法够在一定程度上抑制低剂量spect图像的噪声，但所得降噪后的图像往往过度平滑，与全剂量spect图像存在显著差异；当前主流的深度学习算法集中于卷积神经网络(cnn)、u-net以及生成对抗网络(gan)，侧重于局部...
【技术保护点】
1.一种基于无监督策略和广义扩散模型的低剂量SPECT影像降噪方法，其特征在于，所述方法包括：
2.根据权利要求所述1的基于无监督策略和广义扩散模型的低剂量SPECT影像降噪方法，其特征在于，采集低剂量SPECT影像，对低剂量SPECT影像预处理后进行切片处理，得到包含有上下文切片信息的训练图像，包括：
3.根据权利要求1所述的基于无监督策略和广义扩散模型的低剂量SPECT影像降噪方法，其特征在于，根据患者身体质量指数确定衰减系数退化算子，并基于所述衰减系数退化算子进行图像加噪得到随机泊松噪声图像，包括：
4.根据权利要求3所述的基...
【技术特征摘要】
1.一种基于无监督策略和广义扩散模型的低剂量spect影像降噪方法，其特征在于，所述方法包括：
2.根据权利要求所述1的基于无监督策略和广义扩散模型的低剂量spect影像降噪方法，其特征在于，采集低剂量spect影像，对低剂量spect影像预处理后进行切片处理，得到包含有上下文切片信息的训练图像，包括：
3.根据权利要求1所述的基于无监督策略和广义扩散模型的低剂量spect影像降噪方法，其特征在于，根据患者身体质量指数确定衰减系数退化算子，并基于所述衰减系数退化算子进行图像加噪得到随机泊松噪声图像，包括：
4.根据权利要求3所述的基于无监督策略和广义扩散模型的低剂量spect影像降噪方法，其特征在于，在所述无监督扩散训练模型的反向传播阶段，提取优化因子以及时间步长特征，包括：
5.根据权利要求4所述的基于无监督策略和广义扩散模型的低剂量spect影像降噪方法，其特征在于，所述神经网络算法为二阶神经网络算法；
6.根据权利要求5所述的基于无监...
【专利技术属性】
技术研发人员：孙敬张，李春浩，董佳慧，刘春磊，孙志刚，徐卓远，曹春杰，
申请(专利权)人：海南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。